將這個浮點數組保存到一個文本文件將創建一個24M的文本文件。當您重新加載這個文件時，numpy會逐行遍歷文件，解析文本并重新創建對象。在

我預計在這段時間內存使用會激增，因為numpy在到達文件末尾之前不知道結果數組需要多大，所以我預計至少要使用24M+8M+的其他臨時內存。在

以下是numpy代碼的相關位，來自/lib/npyio.py：# Parse each line, including the first

for i, line in enumerate(itertools.chain([first_line], fh)):

vals = split_line(line)

if len(vals) == 0:

continue

if usecols:

vals = [vals[i] for i in usecols]

# Convert each value according to its column and store

items = [conv(val) for (conv, val) in zip(converters, vals)]

# Then pack it according to the dtype's nesting

items = pack_items(items, packing)

X.append(items)

#...A bit further on

X = np.array(X, dtype)

這種額外的內存使用不應該引起關注，因為這正是python的工作方式——雖然您的python進程似乎使用了1億個內存，但在內部它會保持對哪些項目不再使用的了解，并將重新使用這些內存。例如，如果要在一個程序（save，load，save，load）中重新運行這個save load過程，那么內存使用量不會增加到200M

總結

以上是生活随笔為你收集整理的python函数太多_numpy Loadtxt函数似乎消耗了太多内存的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。